Agent-Reflex: 에이전트의 반성적 추론 및 오류 복구 학습 프레임워크

요약

Agent-Reflex는 대규모 언어 모델 기반 에이전트가 노이즈가 있는 환경이나 사용자 개입 상황에서 스스로 반성하고 오류를 복구할 수 있도록 돕는 새로운 학습 프레임워크입니다. 이 프레임워크는 환경 반성 기술 발견(RSD), 반성적 지도 미세 조정(ReSFT), 온-폴리시 반성 정책 최적화(ORPO)의 3단계 과정을 거쳐 에이전트의 자기 반성 능력을 강화합니다. 특히 Qwen3-8B 모델에 적용했을 때 5개 장기 도구 사용 벤치마크에서 종합 점수 58.6점, AgentNoiseBench에서 29.1점을 기록하며 기존 환경 확장 및 반성 베이스라인 모델을 능가하는 성능을 보였습니다. Agent-Reflex는 노이즈에 대한 에이전트의 견고성을 높이면서도 안정적인 학습 동역학을 유지하여 확장 가능한 에이전트 훈련을 지원합니다. 연구진은 관련 코드를 깃허브에 공개하여 실무자들이 직접 활용할 수 있도록 했습니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.